Nel telerilevamento, la “verità a terra” si riferisce alle informazioni raccolte sul posto. La verità a terra permette di mettere in relazione i dati delle immagini con le caratteristiche e i materiali reali sul terreno. La raccolta di dati di verità a terra permette la calibrazione dei dati di telerilevamento e aiuta l’interpretazione e l’analisi di ciò che viene rilevato. Gli esempi includono la cartografia, la meteorologia, l’analisi delle fotografie aeree, le immagini satellitari e altre tecniche in cui i dati vengono raccolti a distanza.
Più specificamente, la verità a terra può riferirsi a un processo in cui un “pixel” su un’immagine satellitare viene confrontato con ciò che è presente nella realtà (al momento attuale) al fine di verificare il contenuto del “pixel” sull’immagine (notando che il concetto di “pixel” è in qualche modo mal definito). Nel caso di un’immagine classificata, permette la classificazione supervisionata per aiutare a determinare l’accuratezza della classificazione eseguita dal software di telerilevamento e quindi minimizzare gli errori di classificazione come gli errori di commissione e gli errori di omissione.
La verità del terreno è di solito fatta in loco, eseguendo osservazioni di superficie e misure di varie proprietà delle caratteristiche delle celle di risoluzione del terreno che vengono studiate sull’immagine digitale telerilevata. Si tratta anche di prendere le coordinate geografiche della cella di risoluzione a terra con la tecnologia GPS e confrontarle con le coordinate del “pixel” studiato fornite dal software di telerilevamento per capire e analizzare gli errori di localizzazione e come possono influenzare un particolare studio.
La verità sul terreno è importante nella classificazione supervisionata iniziale di un’immagine. Quando l’identità e la posizione dei tipi di copertura del suolo sono note attraverso una combinazione di lavoro sul campo, mappe ed esperienza personale, queste aree sono note come siti di allenamento. Le caratteristiche spettrali di queste aree sono usate per addestrare il software di telerilevamento usando regole di decisione per classificare il resto dell’immagine. Queste regole decisionali come la Maximum Likelihood Classification, Parallelepiped Classification, e Minimum Distance Classification offrono diverse tecniche per classificare un’immagine. Ulteriori siti di verità a terra permettono al sensore remoto di stabilire una matrice di errore che convalida la precisione del metodo di classificazione utilizzato. Diversi metodi di classificazione possono avere diverse percentuali di errore per un dato progetto di classificazione. È importante che il sensore remoto scelga un metodo di classificazione che funzioni al meglio con il numero di classificazioni utilizzate e che fornisca il minor numero di errori.
La verità a terra aiuta anche con la correzione atmosferica. Poiché le immagini dai satelliti devono ovviamente passare attraverso l’atmosfera, possono essere distorte a causa dell’assorbimento nell’atmosfera. Quindi la verità a terra può aiutare a identificare completamente gli oggetti nelle foto satellitari.
Errori di commissioneModifica
Un esempio di errore di commissione è quando un pixel riporta la presenza di una caratteristica (come gli alberi) che, in realtà, è assente (nessun albero è effettivamente presente). La verifica a terra assicura che le matrici di errore abbiano una percentuale di precisione più alta di quella che si avrebbe se nessun pixel fosse verificato a terra. Questo valore è l’inverso dell’accuratezza dell’utente, cioè Commissione Errore = 1 – accuratezza dell’utente.
Errori di omissioneModifica
Un esempio di errore di omissione è quando i pixel di una certa cosa, per esempio gli aceri, non sono classificati come aceri. Il processo di verifica a terra aiuta a garantire che il pixel sia classificato correttamente e le matrici di errore sono più accurate. Questo valore è l’inverso della precisione del produttore, cioè Errore di omissione = 1 – precisione del produttore
.